报告时间：2021年5月11日（星期二）19:00 -22:00
讲者：卢湖川 博士、邓成 博士、 左旺孟 博士、程塨 博士
报告地点：腾讯会议ID（626 103 705），密码（511511）
主持人：郑钰辉 博士
报告一题目：高性能视觉跟踪算法
报告摘要：视觉跟踪算法近年已取得突破性进展，但复杂现实环境中的各种场景变化和平台限制对跟踪算法提出了以“高精度、易迁移、低计算量”为导向的高性能要求。为此，我们从模板和搜索区域特征融合、通用尺度估计模块设计及嵌入式平台部署需求三方面，分别提出了Transformer融合模型、Alpha-Refine尺度估计模块和NAS跟踪网络搜索模型，显著提升了跟踪算法精度的同时降低了参数量和计算量，以上三方面工作均发表在CVPR2021上。
讲者简介：卢湖川 教授，大连理工大学创新学院院长。国家杰出青年基金获得者、国家重大人才计划B类领军人才。研究方向为计算机视觉、机器学习、模式识别。发表顶级会议论文（CVPR/ICCV/ECCV）80余篇，Google Scholar引用2万余次，以第一完成人获得教育部自然科学二等奖2项。获得多项国际学术奖，包括CVPR2020 Best Paper Award Nominee, ICCV2011 Most Remembered Poster等。2017-2020年，在国际目标跟踪权威评测VOT竞赛中，其团队连续在多个赛道获得多个冠军。多次担任CVPR/ICCV/ECCV领域主席，目前担任IEEE Transaction on Cybernetics 和CSVT编委。
报告二题目：手绘草图视觉生成及检索研究进展
报告摘要：手绘草图（sketch）能够直观、灵活地表达用户想法，且与移动设备易于交互，已经引起了图像检索和视觉内容生成等领域学者的广泛关注。当前，大多数方法采用生成式对抗网络设计跨越草图和自然图像两个域的检索方法和视觉内容生成方法。本报告首先总结梳理现有经典方法及其存在的不足，并从跨域的数据和语义两个层面分别介绍课题组在草图检索和草图视觉内容生成方面的研究进展，最后探讨该领域今后可能的研究路径。
讲者简介：邓成，西安电子科技大学电子工程学院教授、博导。教育部电子信息类教学指导委员会秘书长。教育部特聘教授、国家百千万人才工程入选者。IEEE高级会员、中国计算机学会高级会员、中国图象图形学学会高级会员。面向国家重大需求和学术前沿，长期从事跨媒体认知、学习和推理的研究。主持国家自然科学基金、科技部“863”计划课题、陕西省重点研发计划等项目近30项。发表本领域一区、二区以上期刊论文60余篇，其中ESI高被引论文3篇；本领域国际顶级会议论文（CCF A类）近70篇。担任国际著名期刊《Pattern Recognition》（JCR 一区）、《Neurocomputing》（JCR 一区）、《Pattern Recognition Letters》、《Journal of Visual Communication and Image Representation》副编辑；担任计算机视觉国际顶级会议CVPR2021、ICCV2021领域主席，人工智能顶级国际会议IJCAI 2018~2021高级程序委员，以及多个国际会议的程序委员会委员。获2016年国家自然科学二等奖（第3）、2019年陕西省自然科学一等奖（第1）。获国家发明专利授权26项，关键技术已经成功用于智慧城市、智能安防、海量数据检索等应用中。
报告三题目：面向低标注成本和非理想监督的深度网络学习方法初探
报告摘要：当前深度学习的成功仍主要建立在大规模标注数据和模型算法的基础上。虽然大规模数据获取已经较为容易，数据的精细化标注仍然会耗费大量的人力物力。近年来涌现的弱监督、噪声标注和小样本学习等面向低标注成本的深度网络学习方法仍较为依赖人为设计，缺乏统一的形式和原则。因此，报告从知识提取和知识蒸馏的角度出发分析了低成本标注学习问题，为弱监督语义分割和物体检测提供了新的角度和解决方案。其次，针对真实图像去噪、图像去模糊/超分辨等问题，往往不能获得理想的监督信息，能够获得替代监督信息与理想监督相比可能会呈现时空域未配准、颜色/模糊程度不一致等特点。为此，报告以人脸正面化和Raw图ISP和超分为例，针对颜色不一致和空域未配准情况下的深度网络训练分别给出了一种有效的学习方法。
讲者简介：左旺孟，哈尔滨工业大学计算学部教授、博士生导师，机器学习研究中心执行主任。主要研究方向包括非理想监督学习方法及其在图像增强与复原、图像编辑与生成、物体检测和图像分类等领域的应用。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Trans.等期刊上发表论文100余篇。曾任ICCV2019、CVPR2020/2021等CCF-A类会议领域主席，现任IEEE T-PAMI和T-IP等期刊编委。
报告四题目: 高分辨率光学遥感图像目标检测与识别
报告摘要：高分辨率光学遥感图像目标检测与识别是空天地海一体化观测系统的一项关键技术，广泛应用在侦察、监视、预警、搜救等军民领域。与自然图像相比，高分辨率光学遥感图像具有目标方向多变、尺度效应明显、观测角度差异大、地面目标繁杂等特点，此外，不同光照、天气条件、大气参数等都会对遥感图像获取产生影响。这些综合因素使得高分辨率遥感图像目标检测与识别，与自然图像理解相比，面临着更大的挑战和更多的难点问题。本报告重点汇报我们团队在高分辨率光学遥感图像全监督目标检测、型号识别、弱监督目标检测和小样本目标检测等方向取得的研究进展。
讲者简介：程塨，西北工业大学教授，国家级青年人才计划入选者，主要研究方向为高分辨率遥感图像理解、深度学习、计算机视觉、模式识别。以第一作者/通讯作者发表多篇高水平论文，3篇论文入选2018年度、2019年度中国百篇最具影响国际学术论文，获得2021年IEEE GRSS Highest Impact Paper Award和2021年IEEE TCSVT Best Paper Award，获得省部级科技奖励3项。担任Journal of Remote Sensing、IEEE GRSM、IEEE JMASS、IEEE JSTARS、ISPRS JPRS等多个国际期刊的编委。
感谢中电科第二十八研究所与南京亿奇科技公司对本次活动的支持！
